11

REDES NEURAIS ARTIFICIAIS: uma REDES NEURAIS ARTIFICIAIS: uma aplicação do tipo aplicação do tipo perceptron multilayerperceptron multilayer na identificação de impressões digitaisna identificação de impressões digitais

Acadêmico: José Mário Pereira DantasAcadêmico: José Mário Pereira DantasOrientador: Prof. M.Sc. Valmir SaraivaOrientador: Prof. M.Sc. Valmir SaraivaBanca: Prof. M.Sc. Laura Costa SarkisBanca: Prof. M.Sc. Laura Costa Sarkis

Prof. M.Sc. Haroldo Alexandre de AraújoProf. M.Sc. Haroldo Alexandre de AraújoSemestre: 2003-IISemestre: 2003-II

22

Organização do trabalhoOrganização do trabalho

IntroduçãoIntroduçãoDatiloscopiaDatiloscopiaRedes Neurais ArtificiaisRedes Neurais ArtificiaisEstudo de CasoEstudo de CasoResultados ObtidosResultados ObtidosConclusão e Trabalhos FuturosConclusão e Trabalhos Futuros

33

IntroduçãoIntrodução As RNAs são concebidas para trabalharem

segundo processos parecidos com os de um sistema nervoso, com esquemas de aprendizagem obtidos através de modelos matemáticos que possuem funções de entrada, processamento e saída. As RNA têm sua funcionalidade comprovada e são extensivamente utilizadas em várias aplicações que requerem decisões a partir de dados confusos, principalmente as de classificação (Tafner, 1995 Apud GUMZ, 2002).

44

MotivaçãoMotivação

Grande número de aplicações que Grande número de aplicações que necessitam de confiabilidade e velocidade necessitam de confiabilidade e velocidade de identificação das informações.de identificação das informações.

55

ObjetivosObjetivos

Geral: realizar um estudo acerca dos Geral: realizar um estudo acerca dos procedimentos para o desenvolvimento de procedimentos para o desenvolvimento de uma rede neural artificial para uma rede neural artificial para identificação de indivíduos através de identificação de indivíduos através de imagens de suas impressões digitais. imagens de suas impressões digitais.

66

ObjetivosObjetivos

Específicos:Específicos: Estudar a datiloscopia;Estudar a datiloscopia; Construir uma arquitetura de rede neural artificial, Construir uma arquitetura de rede neural artificial,

com base na imagem da impressão digital;com base na imagem da impressão digital; Realizar o treinamento da rede neural artificial Realizar o treinamento da rede neural artificial

construída;construída; Implementar e testar essa arquitetura na identificação Implementar e testar essa arquitetura na identificação

das impressões digitais.das impressões digitais.

77

DatiloscopiaDatiloscopia

Conceito: é a ciência que estuda as Conceito: é a ciência que estuda as impressões digitais com a finalidade de impressões digitais com a finalidade de realizar identificação (BARSA, 1994, p.175). realizar identificação (BARSA, 1994, p.175).

88

DatiloscopiaDatiloscopia

Área de aplicação:Área de aplicação:Forense;Forense;Governamental;Governamental;Comercial.Comercial.

99

DatiloscopiaDatiloscopia

Vantagens:Vantagens:extremamente eficiente;extremamente eficiente;de baixo custo; de baixo custo; de aplicação potencialmente universal.de aplicação potencialmente universal.

1010

Processo de identificação de Processo de identificação de Impressões Digitais ManualImpressões Digitais Manual

Verificação da Classificação;Verificação da Classificação;Análise de minúcias;Análise de minúcias;Comparação com outras n impressões Comparação com outras n impressões

DigitaisDigitais

1111

Classificação (Sistema Henry)Classificação (Sistema Henry)

Arco PlanoArco Plano Arco AngularArco Angular Presilha InternaPresilha Interna Presilha ExternaPresilha Externa VerticiloVerticilo

1212

Crista Final

Crista Bifurcada

Tipos de MinúciasTipos de Minúcias

1313

Comparação de MinúciasComparação de Minúcias

A comparação busca:A comparação busca:Coincidência de tipos Minúcias;Coincidência de tipos Minúcias;Coincidência de Posições.Coincidência de Posições.

1414

Datiloscopia e Redes Neurais Datiloscopia e Redes Neurais ArtificiaisArtificiais

A datiloscopia fornece conceitos que A datiloscopia fornece conceitos que devem ser utilizadas no processo de devem ser utilizadas no processo de identificação de impressões digitais identificação de impressões digitais através de RNAs.através de RNAs.

Para este trabalho o conceito mais Para este trabalho o conceito mais importante é o de região nuclear, onde importante é o de região nuclear, onde existe o maior número de minúcias.existe o maior número de minúcias.

1515

Redes Neurais ArtificiaisRedes Neurais Artificiais O que são?O que são?

As Redes Neurais Artificiais são métodos de As Redes Neurais Artificiais são métodos de Inteligência Artificial que possuem a capacidade Inteligência Artificial que possuem a capacidade de se adaptar e de aprender a realizar uma certa de se adaptar e de aprender a realizar uma certa tarefa, ou comportamento, através de um tarefa, ou comportamento, através de um conjunto de treinamentos. (OSÓRIO, 2000, p.2).conjunto de treinamentos. (OSÓRIO, 2000, p.2).

1616

São construídos, não programados;São construídos, não programados; Geram seu próprio conhecimento, ou seja, Geram seu próprio conhecimento, ou seja,

aprendem;aprendem; Oferecem soluções aproximadas, não exatas; Oferecem soluções aproximadas, não exatas; Generalizam o conhecimento apreendido.Generalizam o conhecimento apreendido.

Características do Modelo NeuralCaracterísticas do Modelo Neural

1717

Áreas de aplicaçãoÁreas de aplicação

Automação Industrial;Automação Industrial; Automação Comercial;Automação Comercial; Segurança de Acesso – Verificação do Operador;Segurança de Acesso – Verificação do Operador; Mercado Financeiro.Mercado Financeiro.

1818

Redes Neurais ArtificiaisRedes Neurais Artificiais

VantagensVantagensRobustez;Robustez;Generalização;Generalização;Paralelismo;Paralelismo;Tolerância ao ruído.Tolerância ao ruído.

1919

Funcionamento de uma RNAFuncionamento de uma RNA

n: número de sinais de entrada;n: número de sinais de entrada;wwii: peso do sinal de entrada x: peso do sinal de entrada xii;;: limiar ou : limiar ou thresholdthreshold do neurônio (ou do neurônio (ou

simplesmente valor de ativação).simplesmente valor de ativação).

2020

Funcionamento de uma RNA (cont.)Funcionamento de uma RNA (cont.)

Perceptron com uma camada intermediáriaPerceptron com uma camada intermediária

2121

Treinamento de RNAsTreinamento de RNAs

Algoritmo Algoritmo Back-propagationBack-propagation

2222

Identificação de Impressões Identificação de Impressões Digitais através de RNA Digitais através de RNA

Pré-processamento das imagens das Pré-processamento das imagens das impressões digitais;impressões digitais;

Entrada e processamento pela RNA;Entrada e processamento pela RNA; Verificação dos resultados;Verificação dos resultados; Localização no Banco de Dados.Localização no Banco de Dados.

2323

Estudo de CasoEstudo de Caso

Implementação de uma aplicação de Implementação de uma aplicação de Redes Neurais Artificiais do tipo Redes Neurais Artificiais do tipo Perceptron MultlayerPerceptron Multlayer com o objetivo de com o objetivo de realizar a identificação de pessoas por realizar a identificação de pessoas por meio de impressões digitais. meio de impressões digitais.

2424

Arquitetura da RNAArquitetura da RNA

2525

Recursos utilizadosRecursos utilizados

Software: Software: Borland Delphi Borland Delphi 7.0, 7.0, SFINGESFINGE, , Paradox, Windows XP;Paradox, Windows XP;

Componentes Especiais: TMLP, Componentes Especiais: TMLP, Imaging Imaging ToolKit for Delphi;ToolKit for Delphi;

Hardware:Hardware: computador com processadorcomputador com processador Pentium Pentium 4 com 2.5Ghz de velocidade e 4 com 2.5Ghz de velocidade e 448 mb de memória RAM.448 mb de memória RAM.

Humanos: apenas uma pessoa teve Humanos: apenas uma pessoa teve participação neste trabalho.participação neste trabalho.

2626

Resultados ObtidosResultados Obtidos A rede neural foi treinada com 70 amostras de A rede neural foi treinada com 70 amostras de

impressões digitais de 10 pseudopessoas;impressões digitais de 10 pseudopessoas; O treinamento foi executado em 100 épocas, sua O treinamento foi executado em 100 épocas, sua

duração foi de 15 minutos e 23 segundos e taxa de duração foi de 15 minutos e 23 segundos e taxa de erro geral foi de 0,01545637;erro geral foi de 0,01545637;

Tempo de carga do arquivo de conhecimento foi de Tempo de carga do arquivo de conhecimento foi de cerca de 9 segundos;cerca de 9 segundos;

O teste com as 70 amostras de impressões digitais O teste com as 70 amostras de impressões digitais do treinamento levou cerca de 13 segundos;do treinamento levou cerca de 13 segundos;

Probabilidade média de acerto geral foi de 93% Probabilidade média de acerto geral foi de 93% durante o teste;durante o teste;

2727

O teste com a segunda amostra de impressões O teste com a segunda amostra de impressões digitais também foi satisfatório, levou o mesmo digitais também foi satisfatório, levou o mesmo tempo do teste anterior e a rede neural também tempo do teste anterior e a rede neural também classificou corretamente as 70 amostras de classificou corretamente as 70 amostras de impressões digitais, sendo que a probabilidade impressões digitais, sendo que a probabilidade média de acerto geral foi de 86%;média de acerto geral foi de 86%;

Também foram feitos 10 testes com amostras Também foram feitos 10 testes com amostras de impressões digitais separadamente, a fim de de impressões digitais separadamente, a fim de quantificar o tempo médio de identificação de quantificar o tempo médio de identificação de uma pseudopessoa, neste teste conseguiu-se uma pseudopessoa, neste teste conseguiu-se um tempo aproximado de 108,8677 ms. um tempo aproximado de 108,8677 ms.

Resultados Obtidos (Cont.)Resultados Obtidos (Cont.)

2828

ConclusãoConclusão

O objetivo principal deste trabalho foi O objetivo principal deste trabalho foi alcançadoalcançado, uma vez que, foi feito um estudo , uma vez que, foi feito um estudo da datiloscopia, construída uma arquitetura da datiloscopia, construída uma arquitetura de Rede Neural Artificial com base na de Rede Neural Artificial com base na imagem da impressão digital, realizado o imagem da impressão digital, realizado o treinamento da Rede Neural Artificial treinamento da Rede Neural Artificial construída, implementado e testado essa construída, implementado e testado essa arquitetura na identificação das impressões arquitetura na identificação das impressões digitais.digitais.

2929

Trabalhos FuturosTrabalhos Futuros

Classificar as impressões digitais conforme Classificar as impressões digitais conforme explicado no capitulo 3 e utilizá-las como padrão de explicado no capitulo 3 e utilizá-las como padrão de entrada para diminuir a taxa de erro.entrada para diminuir a taxa de erro.

Estudo de métodos para extração de minúcias, Estudo de métodos para extração de minúcias, sejam matemáticos, estatísticos ou estruturais;sejam matemáticos, estatísticos ou estruturais;

Reconhecimento automático de núcleo e delta;Reconhecimento automático de núcleo e delta; Reconhecido o núcleo ou delta, deverá ser feita, se Reconhecido o núcleo ou delta, deverá ser feita, se

necessário, rotação ou translação da imagem da necessário, rotação ou translação da imagem da impressão digital no momento de sua obtenção impressão digital no momento de sua obtenção para que esta fique na posição ideal para para que esta fique na posição ideal para identificação.identificação.

3030

Trabalhos Futuros (Cont.)Trabalhos Futuros (Cont.)

Estudo de novos modelos de redes neurais a Estudo de novos modelos de redes neurais a fim de atender com maior eficácia as fim de atender com maior eficácia as necessidades propostas inicialmente neste necessidades propostas inicialmente neste trabalho, assim como sua implementação.trabalho, assim como sua implementação.

Combinar redes neurais artificiais com outros Combinar redes neurais artificiais com outros métodos de identificação, como os vistos em métodos de identificação, como os vistos em Mesquita da Conta (2003).Mesquita da Conta (2003).

Sugere-se ainda o treinamento com um número Sugere-se ainda o treinamento com um número maior de impressões digitais e com impressões maior de impressões digitais e com impressões digitais mais ruidosas. digitais mais ruidosas.